Na Timu ya Wahariri ya whispertranscribe.ai · Ilisasishwa mwisho: Novemba 2026 · Dakika 12 za kusoma
Umbizo bora la sauti kwa unukuzi ni WAV isiyopoteza ubora (PCM ya biti 16) au FLAC, iliyorekodiwa kwa mono katika 16 kHz au zaidi, unapodhibiti kurekodi. Ikiwa tayari una MP3, M4A au faili ya video, ipakie kama ilivyo. Kubadilisha faili iliyobanwa hakuwezi kurejesha maelezo yaliyopotea, na umbali wa kipaza sauti na kelele huathiri matokeo zaidi.
Hapa chini: cha kuchagua kabla ya kurekodi, cha kufanya na faili uliyopewa, fomula za ukubwa, mipangilio kwa hali tofauti, amri za FFmpeg na jedwali la kutatua matatizo.
Ufichuzi. whispertranscribe.ai huchapisha mwongozo huu. Madai ya kiufundi yana viungo vya Google Cloud, msimbo wa Whisper wa OpenAI, FFmpeg au Library of Congress. Hatukufanya majaribio ya usahihi kwa makala hii, na hakuna ahadi kwamba umbizo fulani linaongeza usahihi kwa asilimia maalumu.
Jibu la haraka: umbizo bora la sauti kwa unukuzi
Chagua kulingana na hatua yako ya kazi, si kwa kutafuta mshindi mmoja.
| Hali yako | Chaguo bora | Kwa nini |
|---|---|---|
| Unaweka mipangilio ya kinasa sauti au programu | WAV (biti 16) au FLAC, mono, 16 kHz au zaidi | Google inapendekeza FLAC isiyopoteza ubora au LINEAR16 kwa utambuzi wa hotuba |
| Unahitaji faili ndogo wakati wa kurekodi | Kodeki yenye upotevu inayofaa hotuba kwa kiwango cha biti cha wastani | Kodeki zenye upotevu zinazopendelewa na Google kwa hotuba, kwa mpangilio: AMR-WB, Ogg Opus, Speex |
| Tayari una faili ya MP3, M4A au Opus | Pakia faili asili | Kusimba upya hakurudishi chochote |
| Una video (MP4, MOV, MKV) | Ipakie; toa sauti ikiwa ni kubwa sana | Ni wimbo wa sauti pekee unaotumiwa |
| Wazungumzaji walirekodiwa kwenye nyimbo tofauti | Hifadhi nyimbo hizo | Google inashauri kutuma kila chaneli kando kila mtu akiwa na yake |
Wakati usiohitaji kuhangaikia umbizo: dokezo la sauti la simu, kipindi cha podikasti kilichochapishwa au rekodi ya Zoom au Teams. Ipakie, chagua lugha inayozungumzwa na tumia muda wako kukagua majina.
Umbizo, kodeki na kontena: kiendelezi cha faili kinaficha nini
Kiendelezi hutaja kontena, si lazima aina ya mgandamizo. Mafunzo ya Google ya kuboresha sauti yanaeleza kuwa kodeki na miundo ya faili si kitu kimoja. Mambo matatu ya kawaida:
- WAV kwa kawaida hubeba PCM ya mstari isiyobanwa, lakini inaweza pia kubeba usimbaji mwingine (Library of Congress, WAVE).
- M4A inaweza kubeba AAC yenye upotevu au Apple Lossless (ALAC) isiyopoteza ubora.
- OGG ni kontena ambalo kwa kawaida hubeba Opus au Vorbis, zote zenye upotevu.
Ili kuona kilicho ndani ya faili, tumia ffprobe ya FFmpeg kuuliza mitiririko ya sauti pekee:
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4
Amri huchapisha mstari mmoja kwa kila mtiririko wa sauti. Ikiwa haitoi chochote, faili huenda haina wimbo wa sauti; huu ni ukaguzi wa haraka kabla ya kupakia.
Ulinganisho wa miundo ya sauti kwa unukuzi
Kila umbizo hapa chini linaweza kunukuliwa. Tofauti ni kiasi cha maelezo yaliyobaki na ukubwa wa faili. Ukubwa unatokana na fomula za sehemu inayofuata (1 MB = baiti 1,000,000).
| Umbizo | Lenye upotevu au lisilopoteza ubora | Linakotoka kwa kawaida | Ukubwa kwa dakika (mfano wa mpangilio) | Athari kwa unukuzi | Cha kufanya |
|---|---|---|---|---|---|
| WAV (PCM) | Halijabanwa | Vinasa sauti vya uwanjani, vihariri vya sauti | 1.92 MB kwa 16 kHz, biti 16, mono; 10.58 MB kwa 44.1 kHz, biti 16, stereo | Huhifadhi kila kitu kilichonaswa na kipaza sauti | Faili kuu bora; angalia ukubwa kwa vipindi virefu |
| FLAC | Lisilopoteza ubora (limebanwa) | Hifadhi, faili kutoka vihariri | Ndogo kuliko WAV sawa; kiasi cha kuokoa hutofautiana | Sauti sawa na WAV yake | Tumia badala ya WAV kuokoa nafasi |
| AIFF / ALAC / CAF | AIFF kwa kawaida halijabanwa; ALAC lisilopoteza ubora; CAF inaweza kubeba zote | Programu za Mac na iPhone | AIFF: sawa na WAV kwa mipangilio ileile | Hutegemea kodeki ndani yake | Pakia kama ilivyo |
| MP3 | Lenye upotevu | Podikasti, vipakuliwa | 0.96 MB kwa 128 kbps | Google: kodeki zenye upotevu zinaweza kupunguza usahihi | Pakia kama ilivyo |
| M4A / AAC | Kwa kawaida lenye upotevu (AAC) | Madokezo ya sauti, nyimbo za video | 0.48 MB kwa 64 kbps | Tahadhari sawa na MP3 | Pakia faili asili |
| OGG / Opus | Lenye upotevu | Madokezo ya ujumbe, simu za mtandaoni | 0.24 MB kwa 32 kbps | Opus ipo kwenye orodha ya Google inayopendelewa kwa hotuba yenye upotevu | Pakia kama ilivyo |
| AMR (masafa membamba) | Lenye upotevu, hotuba pekee | Simu za zamani na vinasa simu | Takriban 0.09 MB kwa 12.2 kbps | Hubeba Hz 200 hadi 3,400 pekee (Library of Congress, AMR) | Pakia kama ilivyo; usiongeze kiwango cha sampuli |
Faili za video hufanya kazi sawa: kifaa husoma wimbo wa sauti, hivyo gharama pekee ni ukubwa wa ziada wa kupakia.
Faili ya sauti ina ukubwa gani? Fomula
Fomula mbili zinakuruhusu kukadiria ukubwa kabla ya kurekodi au kupakia.
PCM isiyobanwa (WAV, AIFF):
bytes per second = sample rate × (bit depth ÷ 8) × channels
Mifano ya hesabu:
- 16 kHz, biti 16, mono: 16,000 × 2 × 1 = baiti 32,000 kwa sekunde. × 60 = baiti 1,920,000, takriban 1.92 MB kwa dakika au 115.2 MB kwa saa.
- 44.1 kHz, biti 16, stereo: 44,100 × 2 × 2 = baiti 176,400 kwa sekunde, takriban 10.58 MB kwa dakika au 635 MB kwa saa.
- 48 kHz, biti 24, stereo: 48,000 × 3 × 2 = baiti 288,000 kwa sekunde au 1,036.8 MB kwa saa.
Yenye upotevu kwa kiwango cha biti kisichobadilika (MP3, AAC, Opus):
bytes per minute = bitrate in kbps × 1,000 ÷ 8 × 60 (yaani kbps × 7,500)
- 128 kbps: 128 × 7,500 = baiti 960,000, takriban 0.96 MB kwa dakika au 57.6 MB kwa saa.
- 64 kbps: 0.48 MB kwa dakika; 32 kbps: 0.24 MB kwa dakika.
Faili halisi ni kubwa kidogo kwa sababu ya vichwa, na faili za kiwango kinachobadilika huzunguka wastani. Kompyuta zinazoonyesha vipimo vya kibinari (MiB) huonyesha nambari ndogo kwa takriban 5%.
Nambari hizi zinamaanisha nini kwa kikomo cha kupakia cha 5GB na saa 10
whispertranscribe.ai inakubali faili hadi 5GB na saa 10. Hivi ndivyo mipangilio ya kawaida inavyotoshea, tukichukulia 5GB kuwa baiti 5,000,000,000:
| Mpangilio | Saa 1 | Saa 10 | Saa 10 zinatoshea chini ya 5GB? |
|---|---|---|---|
| WAV, 16 kHz, biti 16, mono | 115.2 MB | 1.15 GB | Ndiyo |
| WAV, 44.1 kHz, biti 16, stereo | 635 MB | 6.35 GB | Hapana: takriban saa 7.9 zinatoshea |
| WAV, 48 kHz, biti 24, stereo | 1.04 GB | 10.37 GB | Hapana: takriban saa 4.8 zinatoshea |
| MP3, 128 kbps | 57.6 MB | 576 MB | Ndiyo |
| Opus, 32 kbps | 14.4 MB | 144 MB | Ndiyo |
Faili ya kawaida ya WAV pia ina kikomo chake: sehemu yake ya ukubwa ya biti 32 huiwekea takriban 4 GB, na rekodi ndefu zinahitaji kiendelezi cha RF64 (Library of Congress). Kwa rekodi ndefu sana zisizopoteza ubora, FLAC au WAV ya 16 kHz mono huepuka matatizo yote mawili.
Mambo muhimu zaidi kuliko umbizo la sauti
Sauti iliyo wazi karibu na kipaza sauti, iliyohifadhiwa kama MP3, kwa kawaida ni bora kuliko faili isiyopoteza ubora iliyorekodiwa kutoka upande mwingine wa chumba chenye kelele. Mipangilio na tabia hizi huamua matokeo mengi.
Kiwango cha sampuli: je, 16 kHz kinatosha?
Ndiyo, kwa hotuba. Google inapendekeza Hz 16,000 au zaidi (mbinu bora); mafunzo yake yanaeleza kuwa viwango vya chini huacha taarifa chache au hakuna juu ya 8 kHz. Msimbo wa wazi wa Whisper wa OpenAI hubadilisha kila ingizo kuwa 16,000 Hz mono kabla ya modeli kuisikia (whisper/audio.py). Kurekodi kwa 44.1 au 48 kHz ni sawa, lakini faili ni kubwa zaidi.
Kuongeza kiwango baadaye hakusaidii: Google inasema faili ya 8 kHz iliyoongezwa hadi 44.1 kHz bado ina masafa ya takriban 4 kHz pekee. Pakia sauti ya simu, ambayo mara nyingi ni 8,000 Hz, kwa kiwango chake asili.
Kina cha biti: biti 16 au 24?
Google inapendekeza biti 16 au zaidi na kusema kuwa kubadilisha sauti ya biti 8 kuwa 16 hakutoi faida, kwa sababu wigo wa nguvu uliamuliwa wakati wa kurekodi. Kuhifadhi biti 24 kutoka kinasa sauti hakudhuru; kubadilisha biti 16 kuwa 24 hakuongezi kitu.
Kiwango cha biti kwa faili zilizobanwa
Hakuna kiwango kinachoweka kiwango cha biti kinachohakikisha unukuzi mzuri. Mwongozo wa Google unahusu aina ya kodeki: kodeki zenye upotevu zinaweza kupunguza usahihi, na kelele au mwangwi huathiri zaidi mgandamizo wenye upotevu. Ikiwa lazima ubanie, fanya mara moja kwa mpangilio wa wastani na epuka mfululizo kama WAV kwenda MP3 kwenda OGG.
Umbali wa kipaza sauti, kelele na viwango
Kutoka ushauri wa Google wa maandalizi:
- Weka kipaza sauti karibu na mzungumzaji kadiri inavyowezekana, hasa kukiwa na kelele za nyuma.
- Epuka sauti kukatika kwa kupita kiwango. Vilele vilivyopotoshwa haviwezi kurekebishwa baadaye.
- Zima udhibiti otomatiki wa gain na kupunguza kelele ikiwa programu inaruhusu. Google inasema uchakataji wa kupunguza kelele kabla ya utambuzi kwa kawaida hupunguza usahihi.
Mono au stereo?
Kwa kipaza sauti kimoja kinachoshirikiwa, mono inatosha. Whisper huchanganya stereo kuwa mono, hivyo stereo yenye sauti ileile pande zote huongeza tu ukubwa mara mbili. Hifadhi stereo kila upande ukiwa na mtu tofauti, kama vinasa simu vingi au kipaza cha kubandikwa kwa kila chaneli. Google inashauri kutuma kila chaneli kando katika hali hiyo, na rekodi iliyochanganywa kama ilivyo.
Rekodi zenye nyimbo nyingi
Programu za podikasti na mahojiano ya mbali mara nyingi hurekodi kila mtu kwenye wimbo tofauti. Unaweza kuhamisha wimbo mmoja uliochanganywa na kuwasha lebo za wazungumzaji (rahisi zaidi), au kunukuu kila wimbo kando na kuunganisha maandishi kwa alama za muda (sauti safi zaidi, lakini unaunganisha mwenyewe).
Umbizo na mipangilio inayopendekezwa kwa kila hali
Hali ya kawaida zaidi ni „tayari unayo“, na jibu mara nyingi ni „ipakie“.
| Hali | Rekodi kama (ukichagua) | Ikiwa tayari unayo | Kabla ya kupakia | Angalia |
|---|---|---|---|---|
| Mahojiano ya ana kwa ana | WAV au FLAC, mono kwa kila kipaza, 44.1 au 48 kHz | M4A au MP3 kutoka simu | Andika majina na istilahi | Mgeni kuwa na sauti ya chini kuliko mhoji |
| Mahojiano ya mbali au podikasti, kwa kila wimbo | Wimbo wa kila mzungumzaji usiopoteza ubora | WAV tofauti na MP3 iliyochanganywa | Chagua mchanganyiko au nyimbo tofauti | Sauti zinazokatizana kwenye mchanganyiko |
| Rekodi ya mkutano (Zoom, Teams, Meet) | Chaguo la sauti la jukwaa, likipatikana | MP4 au M4A | Toa sauti tu ikiwa video ni kubwa sana | Kipaza kimoja cha kompyuta kwa chumba kizima |
| Dokezo la sauti la simu | Chaguo chaguomsingi la programu | .m4a | Hamisha faili asili | Simu mfukoni wakati wa kurekodi |
| Kipindi cha podikasti kilichochapishwa | Haitumiki | MP3 iliyotolewa | Tumia WAV au FLAC ya kabla ya kuchapishwa ikiwa unayo | Utangulizi wa muziki; weka lugha |
| Mhadhara au semina | Mono, biti 16, kipaza karibu na mhadhiri | MP3 ndefu au video | Angalia urefu dhidi ya saa 10 | Maswali ya hadhira mbali na kipaza |
| Rekodi ya simu | Chaguo chaguomsingi la kinasa | AMR, M4A au WAV ya 8 kHz | Hifadhi kiwango asili cha sampuli | Sheria za ridhaa; usiongeze kiwango |
Pata ridhaa inayohitajika kabla ya kurekodi simu. Miongozo yetu kuhusu jinsi ya kurekodi simu na sheria za kurekodi simu kwa kila jimbo inaeleza zaidi. Huu si ushauri wa kisheria.
Jinsi ya kubadilisha sauti kwa unukuzi kwa FFmpeg
Badilisha tu kwa sababu: faili ni kubwa sana, unataka upakiaji mdogo kutoka video, kifaa kinakataa kodeki, au unataka wazungumzaji katika faili tofauti. Kubadilisha ili kuongeza „ubora“ hakufanyi kazi.
Unaweza kutumia ffprobe kukagua kodeki, kiwango cha sampuli na chaneli za matokeo. Chaguo zinaelezwa kwenye nyaraka za FFmpeg.
1. Faili yoyote kuwa WAV ya 16 kHz mono na biti 16 (umbo lilelile ambalo Whisper hubadilisha ndani yake):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav
2. Faili yoyote kuwa FLAC ya 16 kHz mono (isiyopoteza ubora na kwa kawaida ndogo kuliko WAV):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac
3. Video kuwa MP3 ndogo ya mono (huongeza hatua moja ya upotevu; tumia wakati ukubwa ni muhimu zaidi):
ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3
4. Toa sauti kutoka video bila kusimba upya (hufanya kazi sauti ikiwa AAC, ambayo ni ya kawaida kwenye MP4):
ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a
5. Gawanya rekodi yenye chaneli mbili kuwa faili moja kwa kila mzungumzaji (hutumia kichujio cha channelsplit):
ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
| Chaguo | Hufanya nini |
|---|---|
-ac 1 |
Huchanganya sauti kuwa chaneli moja |
-ar 16000 |
Huweka kiwango cha sampuli cha matokeo kuwa Hz 16,000 |
-c:a pcm_s16le |
Huandika PCM isiyobanwa ya biti 16 (WAV ya kawaida) |
-vn |
Huondoa mtiririko wa video |
-c:a copy |
Hunakili sauti kama ilivyo bila kubadilisha ubora |
-b:a 64k |
Huweka kiwango cha biti chenye upotevu |
Pendelea amri ya 4 kuliko ya 3 ikiwa sauti ya video tayari ni AAC, kwa kuwa huhifadhi ubora asili. Kwa sauti ya simu ya 8 kHz, acha -ar 16000 ili usiongeze kiwango cha sampuli.
Hutaki kutumia mstari wa amri? Kigeuzi cha sauti na video kuwa MP3 cha whispertranscribe.ai hutoa wimbo wa sauti kutoka MP4, MOV, MKV, WEBM au AVI ndani ya kivinjari. Ukurasa unasema hutumia WebAssembly na faili huchakatwa kwenye kivinjari, hazipakiwi.
Faili kubwa: kubaki chini ya 5GB na saa 10
- Kubwa sana lakini chini ya saa 10: kwa kawaida video au WAV yenye ubora wa juu. Toa sauti (amri ya 4 au kigeuzi cha kivinjari) au badilisha WAV kuwa FLAC (amri ya 2).
- Zaidi ya saa 10: ukurasa wa kupakia unaonyesha „At the moment, we can only process files up to 10 hours long. Please shorten your file to 10 hours or less and try again.“ Igawanye. Amri ya kugawanya bila kusimba upya kwenye mwongozo wetu wa MP3 kuwa maandishi pia hufanya kazi kwa WAV. Angalia sehemu za kuunganisha unapounganisha maandishi.
- Muunganisho wa polepole: saa moja ya MP3 ya 64 kbps ni takriban 28.8 MB, ikilinganishwa na 635 MB kwa WAV ya stereo ya ubora wa CD. Hifadhi faili asili isiyopoteza ubora kama kumbukumbu.
Kutatua matatizo ya umbizo la sauti
| Tatizo | Chanzo kinachowezekana | Cha kujaribu |
|---|---|---|
| „No audio detected. The file may be corrupted. Please check the file and try again.“ (huonyeshwa kwenye kurasa zetu za kupakia) | Faili iliyoharibika, video iliyohamishwa bila sauti au wimbo tupu | Icheze kwenye kifaa; endesha ukaguzi wa ffprobe hapo juu (bila matokeo hakuna mtiririko wa sauti); hamisha tena kutoka programu asili |
| Upakiaji umekataliwa kwa kuwa mrefu sana | Faili zaidi ya saa 10 | Gawanya katika sehemu za saa 10 au chini |
| Faili kubwa sana | Video au WAV ya chaneli nyingi yenye ubora wa juu | Toa sauti au badilisha WAV kuwa FLAC |
| WAV zaidi ya 4 GB haifunguki au haipakiwi | Kikomo cha ukubwa cha WAV ya kawaida | Hamisha tena kama RF64 au FLAC, au igawanye |
| Mzungumzaji mmoja ana sauti ndogo kuliko mwingine | Kila mtu yuko kwenye chaneli tofauti zilizorekodiwa kwa viwango tofauti | Gawanya chaneli (amri ya 5) na unukuu kila faili |
| Vilele vilivyopotoshwa na kupasuka | Sauti ilipita kiwango wakati wa kurekodi | Haiwezi kurekebishwa; punguza gain ya ingizo wakati ujao |
| Sauti ya simu bado mbaya baada ya kubadilisha kuwa 48 kHz | Kuongeza kiwango cha sampuli hakuongezi taarifa | Pakia faili asili; jaribu chaguo la lugha „Noise / Low-Quality Audio/Video“ linapopatikana |
Nafasi ya whispertranscribe.ai
whispertranscribe.ai ni kifaa cha unukuzi kinachotumia modeli za Whisper za OpenAI na kufanya kazi kwenye kivinjari (hakina programu, API wala usahihishaji wa binadamu). Kigeuzi cha bure cha sauti kuwa maandishi na kurasa nyingine za kupakia zinaorodhesha miundo: MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, AMR, AIFF, ALAC, CAF, MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG na MPEG.
- Vikomo: faili hadi 5GB na saa 10.
- Lugha: lugha 130+, nyingi zikiwa na chaguo „Noise / Low-Quality Audio/Video“.
- Usahihi: hadi 99% kwa sauti safi. Kelele, umbali, lafudhi na sauti zinazokatizana huupunguza.
- Wazungumzaji: washa Speaker Detection kabla ya kunukuu.
- Uhamishaji: DOCX, PDF, TXT, CSV, SRT na VTT.
- Faragha: sera ya faragha inasema faili asili zilizopakiwa hufutwa baada ya uchakataji na MP3 zilizotolewa huhifadhiwa kwa siku 30 kwa chaguo-msingi.
Kwa rekodi maalumu, angalia kurasa za faili za MP3, madokezo ya sauti, simu, mahojiano, na mihadhara na semina. Jaribu faili kwenye ukurasa wa bure bila akaunti (vikomo vinaonyeshwa hapo). Mipango ya kulipia: kuanzia $9.99/mwezi kwa malipo ya mwaka (bei). Mengine yote yapo kwenye ukurasa wa vipengele.
Maswali yanayoulizwa mara nyingi
Umbizo bora la sauti kwa unukuzi ni lipi?
WAV au FLAC ndilo bora unapodhibiti kurekodi, kwa mono katika 16 kHz au zaidi na kina cha biti 16. Ikiwa tayari una faili iliyobanwa kama MP3, M4A au Opus, ipakie kama ilivyo badala ya kuibadilisha. Ubora wa kurekodi, yaani kipaza karibu, kelele chache na kutopitisha kiwango, kwa kawaida ni muhimu zaidi kuliko umbizo unalochagua.
Je, WAV ni bora kuliko MP3 kwa unukuzi?
WAV iliyorekodiwa kutoka chanzo huhifadhi maelezo zaidi kuliko MP3, na Google inasema kodeki zenye upotevu kama MP3 zinaweza kupunguza usahihi wa utambuzi. Tofauti mara nyingi ni ndogo kwa hotuba safi na kubwa kwa rekodi zenye kelele. WAV iliyotengenezwa kutoka MP3 iliyopo si bora zaidi kwa sababu maelezo yaliyotupwa yamepotea. Rekodi katika WAV au FLAC unapoweza na pakia MP3 kama zilivyo.
Nitumie kiwango gani cha sampuli kwa unukuzi?
Tumia 16 kHz au zaidi. Google inapendekeza angalau Hz 16,000 kwa utambuzi wa hotuba, na Whisper ya OpenAI hubadilisha sauti yote kuwa 16 kHz mono kabla ya kuchakata. Kurekodi kwa 44.1 au 48 kHz ni sawa na kawaida. Usiongeze kiwango cha chini baadaye: rekodi ya simu ya 8 kHz ipakie kwa 8 kHz, kwa sababu kuongeza kiwango huongeza ukubwa lakini si taarifa za hotuba.
Je, nirekodi kwa mono au stereo kwa unukuzi?
Rekodi kwa mono kila mtu anapotumia kipaza sauti kimoja. Whisper huchanganya stereo kuwa mono, hivyo nakala ya stereo ya sauti ileile huongeza tu ukubwa mara mbili. Hifadhi stereo au nyimbo nyingi kila mzungumzaji akiwa kwenye chaneli tofauti, kama kinasa simu au kipaza kwa kila mgeni. Google inashauri kunukuu chaneli tofauti kando, ambacho unaweza kufanya kwa kuzigawanya kwa FFmpeg.
Faili ya WAV ina ukubwa gani kwa dakika?
Inategemea mipangilio: zidisha kiwango cha sampuli kwa baiti kwa sampuli na idadi ya chaneli kupata baiti kwa sekunde. WAV ya 16 kHz, biti 16 mono ni 16,000 × 2 × 1 = baiti 32,000 kwa sekunde, takriban 1.92 MB kwa dakika au 115.2 MB kwa saa. Stereo ya ubora wa CD ya 44.1 kHz na biti 16 ni takriban 10.58 MB kwa dakika au 635 MB kwa saa.
Naweza kupakia video badala ya kutoa sauti?
Ndiyo. Vifaa vya unukuzi husoma wimbo wa sauti na kupuuza picha, hivyo MP4, MOV, MKV au WEBM hutoa unukuzi sawa na sauti yake iliyotolewa. Video huongeza tu ukubwa wa kupakia. Toa sauti faili inapokaribia kikomo au muunganisho ni wa polepole, kwa mfano kwa FFmpeg -vn -c:a copy inayohifadhi ubora asili. Kwenye whispertranscribe.ai unaweza kupakia video kama ilivyo na kuhamisha DOCX, TXT, SRT au VTT.
Una rekodi tayari? Ipakie kama ilivyo kwenye kigeuzi cha bure cha sauti kuwa maandishi cha whispertranscribe.ai: chagua mojawapo ya lugha 130+, washa Speaker Detection, kisha pakua DOCX, TXT, SRT au VTT. Faili hadi 5GB na saa 10.
Marejeo
- Google Cloud: Mbinu bora za Speech-to-Text kwa data ya hotuba
- Google Cloud: Kuboresha faili za sauti kwa Speech-to-Text
- OpenAI: whisper/audio.py kwenye hifadhi ya Whisper GitHub
- FFmpeg: Nyaraka za mstari wa amri wa ffmpeg na kichujio cha channelsplit
- Library of Congress: WAVE Audio File Format (fdd000001)
- Library of Congress: AMR, Adaptive Multi-Rate Speech Codec (fdd000254)
